排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
在癌症基因组学研究中,临床所得的肿瘤组织是由癌症和正常细胞组成的混合物,肿瘤不纯会对后续的数据分析产生严重影响。基于DNA甲基化的芯片数据,构造了一种简单的肿瘤纯度估计方法GmmPurify。首先借助公共正常样本,利用高斯混合模型定义了一个重要的统计量“信息贡献值”;然后筛选出具有高信息贡献值的DNA甲基化位点,构成差异甲基化位点集合;最后利用核密度方法估计肿瘤的纯度。将GmmPurify方法应用于9类肿瘤,得到的纯度估值与两类先进方法的结果高度一致。研究结果表明,在与肿瘤样本相匹配的正常样本缺失的情况下,借助公共正常样本,GmmPurify可以给出令人满意的肿瘤纯度估计。 相似文献
2.
3.
研究了时间尺度上一类新的具有阻尼项的二阶非线性时滞中立型动力方程的振动性,基于时间尺度上的微积分理论、Riccati变换、H函数法和不等式技巧,得到了该方程振动的一些新的充分条件,推广了已有研究的结果,丰富了二阶时滞动力方程的振动性.最后,通过例子验证了相关结果. 相似文献
4.
癌症的早期诊断可以显著提高癌症患者的存活率,三分类问题就是将未知样本与已知样本进行匹配度检测,预测样本是健康状态,良性发展状态,还是癌症状态.针对复杂难分的卵巢癌蛋白质质谱数据,提出了一种基于高斯混合模型和BP神经网络的三分类预测模型.首先,去除原数据中的冗余,对其进行方差排序及交集筛选提取特征集合一,再利用高斯混合模型处理求得参数作为特征集合二,最后使用BP神经网络进行样本三分类,准确率达到72.9%.结果表明:模型可以作为卵巢癌质谱数据三分类的可选择工具. 相似文献
1